The Color of Perceptual Expertise
Notice bibliographique
Résumé
The extent to which color is used in high-level vision is contentious. Proponents of edge-based theories suggest that objects are recognized mainly based on their shape. On the other hand, surface-plus-edge-based theories support the notion that color and shape both contribute to object recognition. In favor of the latter account, objects that are strongly associated with color (i.e., high color diagnostic objects) are recognized faster when shown in a congruent color than when shown in an incongruent color or in gray-scale (Tanaka & Presnell, 1999). The extent to which this association depends on experience remains uncertain. In the current study, we examined the effects of experience and color on object recognition. In Experiment 1, expert bird watchers and novice participants were asked to categorize common birds at the subordinate level (e.g., "robin"). The bird images were shown in their congruent color, incongruent color and grey-scale. The main finding was that the expert bird watchers were faster to categorize congruent color versions of the bird images than they were to categorize incongruent color and grey-scale versions. In contrast, the novice participants were equally as fast at categorizing congruent color, incongruent color and grey-scale versions of the birds. In Experiment 2, expert bird watchers were asked to categorize congruent color, incongruent color and grey-scale images of birds at the sub-subordinate level (e.g., "nashville warbler"). Bird experts were faster to categorize congruent color versions of the birds compared to incongruent color and grey-scale versions. Collectively, the current findings demonstrate that the fast and accurate recognition of birds by expert bird watchers is facilitated by color information. Thus, perceptual experience can enhance the object representation to include color. Meeting abstract presented at VSS 2013
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».